Neste trabalho, derivamos equações de recorrência que descrevem a dinâmica exata de uma rede neural não-monótona, em camadas, através de uma análise sinal ruído. Para poder avaliar o seu estado dinâmico, definimos a semelhança do estado da rede com alguma configuração específica desta como medida de interesse. Vamos nos referir a estas configurações por "padrões" e a esta medida de interesse por "overlap". Obtivemos as equações dinâmicas na recuperação de um padrão e na recuperação simultânea de dois padrões. Esta arquitetura apresenta conexões apenas entre camadas adjacentes no sentido entrada-saída e padrões descorrelacionados entre as camadas. Assim, a propagação de um sinal nesta rede se dá ao passar por uma seqüência de padrões pré-definidos, de camada para camada. Nesta dinâmica, os pontos fixos correspondem a um valor estacionário do overlap desta seqüência de padrões e não do overlap estacionário de um padrão específico. Nós constatamos, na recuperação de um padrão à temperatura zero, que o modelo não-monótono é capaz de armazenar um conjunto maior de informação que o modelo monótono. Encontramos, além da presença das soluções de ponto fixo, a de atratores cíclicos e caóticos, que foram identificados e expostos graficamente.

Tese (doutorado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil e Ambiental, 2017. / Submitted by Raquel Viana (raquelviana@bce.unb.br) on 2018-06-25T21:44:05Z No. of bitstreams: 1 2017_MaríliaMarcyCabraldeAraújo.pdf: 8292780 bytes, checksum: 8f44a2ea023640998a0589105a568f8b (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2018-06-29T16:40:17Z (GMT) No. of bitstreams: 1 2017_MaríliaMarcyCabraldeAraújo.pdf: 8292780 bytes, checksum: 8f44a2ea023640998a0589105a568f8b (MD5) / Made available in DSpace on 2018-06-29T16:40:17Z (GMT). No. of bitstreams: 1 2017_MaríliaMarcyCabraldeAraújo.pdf: 8292780 bytes, checksum: 8f44a2ea023640998a0589105a568f8b (MD5) Previous issue date: 2018-06-25 / Durante a vida útil as estruturas sofrem solicitações, desgastes, deteriorações e outros processos que podem causar fissuração, de forma a comprometer seu funcionamento, ou, até mesmo, ser a causa de seu colapso estrutural. Somado a esses fatores, o crescente número de estruturas muito esbeltas, consequentemente mais susceptíveis a vibrações excessivas, bem como a preocupação com o desempenho e a degradação de estruturas antigas, têm impulsionado o estudo e o desenvolvimento de novas técnicas capazes de realizar um acompanhamento contínuo da saúde da estrutura. Neste sentido, ferramentas com a capacidade de captar e interpretar confiável e rapidamente as respostas de estruturas de médio e grande porte, sobretudo aquelas baseadas nas propriedades dinâmicas, tornam-se essenciais para complementar um sistema de monitoramento da saúde estrutural. Nos últimos anos, parte da comunidade científica vem adotando a detecção de danos como um problema de reconhecimento de padrões, no qual uma classificação é realizada em função de parâmetros afetados por uma mudança nas propriedades físicas de um sistema. Nesta perspectiva, pode-se citar a existência de ferramentas que, ao serem trabalhadas em conjunto com as propriedades dinâmicas, tornam-se métodos eficientes na detecção de danos, como é o caso das Redes Neurais Artificiais (RNAs) e foco deste trabalho. Foram estudados três tipos de rede (Backpropagation, a Learning Vector Quantization (LVQ) e a Self Organizing Maps (SOM)), aplicadas aos casos de dois tipos de estruturas. A primeira, mais simples e em menor escala foi uma viga produzida em laboratório. Já o segundo caso estudado foi o da Ponte do Infante Dom Henrique, em Portugal. Em ambas as aplicações foram variados alguns parâmetros dos algoritmos para verificar a robustez da ferramenta e os resultados foram bastante animadores, resultando em forte tendência de integrar as RNAs a sistemas de monitoramento de estruturas, inclusive de grande porte. / During useful life, structures suffer from stress, wear, deterioration and other processes that can cause cracking, so as to compromise their functioning or even cause structural collapse. Added to these factors, the growing number of very slender structures, consequently more susceptible to excessive vibrations, as well as the concern with the performance and the degradation of old structures, have driven the study and the development of new techniques capable of continuous structure health monitoring. In this sense, tools with the ability to capture and interpret reliably and quickly the responses of medium and large structures, especially those based on dynamic properties, are essential to complement a structural health monitoring system. In recent years, part of the scientific community has been adopting damage detection as a pattern recognition problem in which a classification is performed according to parameters affected by a change in the physical properties of a system. In this perspective, it can be mentioned the existence of tools that when worked in conjunction with the dynamic properties become efficient methods in the detection of damages, as is the case of Artificial Neural Networks (ANNs) and focus of this work. Three types of network (Backpropagation, Learning Vector Quantization (LVQ) and Self Organizing Maps (SOM) were studied, applied to cases of two types of structures. The first, simpler and in smaller scale was a beam produced in the laboratory. The second case studied was the Bridge of the Infante Dom Henrique in Portugal. In both applications, some parameters of the algorithms were varied to verify the robustness of the tool and the results were quite encouraging, resulting in a strong tendency to integrate ANNs to structures monitoring systems, even large ones.

Submitted by JOSÉ AUGUSTO RODRIGUES MASSABKI null (gutomassabki@hotmail.com) on 2018-03-08T14:58:18Z No. of bitstreams: 1 MASSABKI_JAR_DISSERTAÇÃO.pdf: 7122424 bytes, checksum: c08644632b83238ac437413218505331 (MD5) / Approved for entry into archive by Maria Marlene Zaniboni null (zaniboni@bauru.unesp.br) on 2018-03-09T16:07:31Z (GMT) No. of bitstreams: 1 massabki_jar_me_bauru.pdf: 7023665 bytes, checksum: fcbeb68c217f697d59d1fb24a1c507b9 (MD5) / Made available in DSpace on 2018-03-09T16:07:31Z (GMT). No. of bitstreams: 1 massabki_jar_me_bauru.pdf: 7023665 bytes, checksum: fcbeb68c217f697d59d1fb24a1c507b9 (MD5) Previous issue date: 2018-02-01 / O objetivo deste trabalho foi analisar os impactos da resolução espacial na modelagem da expansão urbana da Região Metropolitana de São Paulo (RMSP) por meio de autômatos celulares (CA, do inglês: Cellular Automata) combinados com redes neurais artificiais. Para tanto, foram utilizados dados do perímetro urbanizado referentes aos períodos de 1881, 1905, 1929, 1949, 1974 e 2005 para a construção de uma série de modelos espaciais. Uma estrutura de células regulares (grid) foi concebida para se representar a área de estudo, cuja resolução espacial se baseou em células de 1.000 por 1.000 metros, 800 por 800 metros e 600 por 600 metros. Os modelos também levaram em consideração a combinação de variáveis representando o estado inicial da célula (urbana ou não urbana), o número de células vizinhas classificadas como urbanas e o número de células vizinhas classificadas como não urbanas. Os resultados mostraram que a variação da resolução espacial não proporcionou impacto significativo no desempenho das modelagens desenvolvidas, visto que os desempenhos obtidos a partir das diferentes estruturas e tamanhos de grid foram bastante similares. Há os destaques para o Grid de 1000 por 1000 metros, baseado no estado e no número de vizinhos urbanos, com 90,09% de acertos global; para o Grid de 800 por 800 metros, baseado no estado, no número de vizinhos urbanos e no número de vizinhos não urbanos, com 90,25% de acertos global; e finalmente, para o Grid de 600 por 600 metros, baseado no estado e no número de vizinhos urbanos, com 90,14% de acertos global. Na sequência, uma previsão de ocupação do território para 2030 foi avaliada para esses modelos em destaque, observando-se tanto padrões de expansão urbana orientados por infraestruturas, como processos de ocupação urbana em áreas impróprias. Em síntese, esse estudo demonstrou que um aparente aumento na resolução espacial do grid não produz efeitos positivos em relação a um aumento no desempenho dos modelos espaciais desenvolvidos neste trabalho. Dessa forma, o Grid de 1000 por 1000 metros pode servir como ferramenta nos processos de planejamento urbano conforme a metodologia empregada. Cabe ressaltar ainda que esse grid acaba tornando o processamento computacional mais leve, em função da menor quantidade de dados envolvidos. / The objective of this work was to analyze the impacts of the spatial resolution related to the urban expansion modeling of the Metropolitan Region of São Paulo (MRSP) by means of Cellular Automata (CA) combined with Artificial Neural Networks. Data regarding the urbanized perimeter in the periods of 1881, 1905, 1929, 1949, 1974 and 2005 were used for the construction of a series of spatial models. A grid of regular cells was conceived to represent the study area, whose spatial resolution was based on cells of 1,000 by 1,000 meters, 800 by 800 meters and 600 by 600 meters. The models also took into account the combination of variables representing the initial state of the cell (urban or non-urban), the number of neighboring cells classified as urban, and the number of neighboring cells classified as non-urban. The results showed that the variation on the spatial resolution did not result in a significant impact on the performance of the developed models, since they were quite similar across the different structures and grid sizes explored. There were some highlights, for example, the Grid of 1000 by 1000 meters, based on the state of the cell and the number of urban neighbors, with 90.09% of global correct predictions; the Grid of 800 by 800 meters, based on the state of the cell, the number of urban neighbors and the number of non-urban neighbors, with 90.25% of global correct predictions; and finally, the Grid of 600 by 600 meters, based on the state of the cell and number of urban neighbors, with 90.14% of global correct predictions. In the sequence, a forecast of the territorial occupation was simulated for year 2030 considering those highlighted models. The results showed some patterns of urban expansion oriented by infrastructures, as well as processes of urban occupation in inappropriate areas. In sum, this study demonstrated that an apparent increase in the spatial resolution of the grid does not produce positive effects in relation to an increase in the performance of the spatial models developed in this work. Therefore, the Grid of 1000 by 1000 meters can serve as a tool for urban planning processes according to the methodology used. It should also be noted that this grid ends up making the computational processing lighter, due to the smaller amount of data involved.

Submitted by CAROLINE MEIRELES FANFONI null (cmeireles-123@hotmail.com) on 2017-06-27T13:54:42Z No. of bitstreams: 1 CAROLINE MF DISSERTAÇÃO.pdf: 4468648 bytes, checksum: 2bc5b7cf722e46221324bc2fc5bf9f09 (MD5) / Approved for entry into archive by Luiz Galeffi (luizgaleffi@gmail.com) on 2017-06-28T19:46:06Z (GMT) No. of bitstreams: 1 fanfoni_cm_me_bauru.pdf: 4468648 bytes, checksum: 2bc5b7cf722e46221324bc2fc5bf9f09 (MD5) / Made available in DSpace on 2017-06-28T19:46:06Z (GMT). No. of bitstreams: 1 fanfoni_cm_me_bauru.pdf: 4468648 bytes, checksum: 2bc5b7cf722e46221324bc2fc5bf9f09 (MD5) Previous issue date: 2017-01-16 / A patologia mais recorrente na coluna vertebral é a escoliose. A modificação estrutural causada pela escoliose gera o desalinhamento postural global do indivíduo. Uma das modificações causadas pelo desalinhamento postural é a forma como o indivíduo distribui o peso na região plantar dos pés. O objetivo deste trabalho foi implementar um sistema eletrônico constituído por um baropodômetro e redes neurais artificiais para separar pacientes com Grau I na classificação de Ricard, de 1o a 19o de escoliose, em dois grupos, C1 (1o a 9o) e C2 (10o a 19o). A maior percentagem de pacientes com escoliose está nesta faixa, aqueles que não precisam usar coletes ou fazer cirurgia, e cujo tratamento é realizado com ginásticas especiais e com avaliações freqüentes pelo profissional de saúde. A classificação dos pacientes nos grupos de escoliose foi implementada com o software Matlab e redes neurais artificiais, usando o algoritmo de treinamento backpropagation. A precisão média da classificação foi de 93,7% para o grupo C1 e 94,5% para o grupo C2. As acurácias na classificação foram de 83,3% para o grupo C1 e 96% para o grupo C2. O sistema implantado pode contribuir para o tratamento de pacientes com grau de escoliose na faixa de 1o a 19o, o intervalo de maior incidência desta patologia, no qual o monitoramento da condição clínica com técnicas não invasivas é de fundamental importância. / The most recurrent pathology in the spine is scoliosis. The structural modification caused by scoliosis generates the individual's overall postural misalignment. One of the modifications caused by postural misalignment is the way the individual distributes the weight in the plantar region of the feet. The objective of this work was to implement an electronic system consisting of a baropodometer and artificial neural networks to separate patients with Grade I in the classification of Ricard, from 1o to 19o of scoliosis, in two groups, C1 (1o to 9o) and C2 (10o to 9o). The largest percentage of patients with scoliosis are in this range, those who do not need to wear vests or have surgery, and whose treatment is performed with special gymnastics and with frequent evaluations by the health professional. The classification of patients in the scoliosis groups was implemented with Matlab software and artificial neural networks, using the backpropagation training algorithm. The mean precision of the classification was 93.7% for the C1 group and 94.5% for the C2 group. The accuracy in the classification was 83.3% for the group C1 and 96.0% for the group C2. The implemented system can contribute to the treatment of patients with grade of scoliosis in the range from 1o to 19o, the interval of higher incidence of this pathology, in which the monitoring of the clinical condition by non-invasive techniques is of fundamental importance.

Este trabalho teve por objetivo utilizar redes neurais artificiais para explicar fenômenos que ocorrem em matadouros- frigoríficos avícolas. A estatística descritiva e a diferença entre as variáveis foram calculadas através do programa computacional SPSS for Windows 10.0 e para a construção das redes neurais artificiais foi utilizado o programa Neuroshell Predictor desenvolvido pela Ward Systems Group. Foram utilizados dados de 2004 a 2006 de dois matadouros- frigoríficos de aves e ocasionalmente um matadouro- frigorífico de suínos. Nos arquivos oferecidos pelas empresas, haviam dados de gerenciamento de matadouros-frigoríficos, como por exemplo, planilhas de condenação da inspeção, dados sobre chiller, teste de absorção das carcaças, dados sobre peso de carcaças, entre outros. Para a construção dos modelos foram escolhidas as “entradas”, para o cálculo do modelo preditivo, e a variável de “saída” a ser predita. Foram gerados oito (8) modelos com diferentes bancos de dados. Todos esses modelos apresentaram redes neurais artificiais bem ajustadas, com valores altos para Correlação e Coeficiente de Determinação Múltipla (R²) e valores baixos para o Erro Médio e o Quadrado médio do Erro (QME). Não houve diferenças significativas entre os valores reais e os valores preditos em todas as validações dos oito (8) modelos. As redes neurais artificiais, com o software utilizado, foram capazes de explicar os fenômenos que envolvem o gerenciamento de matadouros-frigoríficos de aves, e ocasionalmente de suínos. A técnica utilizada oferece critérios objetivos, cientificamente desenvolvida, que será de grande valia no auxílio do técnico responsável pela tomada de decisões. A técnica permite também realizar simulações e mensurar a contribuição de diferentes variáveis que influenciam no fenômeno. É importante ressaltar que a utilização das redes neurais artificiais é uma ferramenta de auxílio à tomada de decisões, e não um programa que substitua o conhecimento científico e técnico. / This work aimed to use artificial neural networks to explain the occurred phenomena in the poultry slaughterhouse. The descriptive statistics and the difference among the variable averages from the initial data were calculated with SPSS software, and the software used to build the artificial neural networks was Neruoshell Predictor, developed by Ward Systems Group. Data from three poultry and one swine slaughterhouses, gathered from 2004 until 2006, were used in this study. In these data there were information about carcasses condemnation, chillers, absorption tests, carcasses weights, medications and others. To build the neural networks,the chosen variables were identified as “input” and “output”. The “input” variables were selected for the predictive model calculation and the “output” variable for the one to be predicted. It was made 8 models with different databases. In all these models, the generated artifical neural networks were well adjusted always presenting a high Multiple Deteminant Coefficient (R²) and correlation and the lowest Mean Squared Error (QME) and mean error. Also the differences between the real value and the predicted value in the 8 models studied were not statistically significant.This study concludes that artifical neural network, with the used software, were capable to explain the phenomena involved in the poultry slaughterhouse and that the modeling can also be extended to swine slaughterhouse. This powerfull technique offers objective criteria, scientifically generated, which can be used to assist in the decisions analysis process for this industry. It also allows to make simulations and to measure the contribution of each variable in the phenomena studied. It’s important to point out that artificial neural networks are intruments to assist the technician in decision making. Thus, it is not a program able to replace the cientific and technical knowledge.

Dissertação (mestrado)—Universidade de Brasília, Programa de Pós-graduação em Engenharia Elétrica, 2012. / Submitted by Alaíde Gonçalves dos Santos (alaide@unb.br) on 2012-09-27T12:26:57Z No. of bitstreams: 1 Dissertação - Eduardo Gusmão (Final).pdf: 6840488 bytes, checksum: 694af18aaa819f972e2cdb38eb0ed468 (MD5) / Approved for entry into archive by Jaqueline Ferreira de Souza(jaquefs.braz@gmail.com) on 2012-09-27T14:49:38Z (GMT) No. of bitstreams: 1 Dissertação - Eduardo Gusmão (Final).pdf: 6840488 bytes, checksum: 694af18aaa819f972e2cdb38eb0ed468 (MD5) / Made available in DSpace on 2012-09-27T14:49:38Z (GMT). No. of bitstreams: 1 Dissertação - Eduardo Gusmão (Final).pdf: 6840488 bytes, checksum: 694af18aaa819f972e2cdb38eb0ed468 (MD5) / O presente trabalho explora o uso de redes neurais artificiais na identificação de informações sobre o conteúdo de transmissões de voz sobre IP criptografas. O estudo aborda especificamente duas informações: o idioma da chamada e o seu locutor. Para demonstrar na prática os métodos empregados, foram realizados experimentos em laboratório, nos quais o tráfego de rede gerado pelo software Skype foi capturado e analisado. _______________________________________________________________________________________ ABSTRACT / The current academic work explores the use of artificial neural networks on the content’s identification of encrypted voice over IP systems. This study specifically approaches two kinds of information: the language and the caller’s identity. Laboratory experiments were developed to demonstrate the employed methods, in which Skype’s network traffic was collected and analyzed.

Tese (doutorado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2013. / Submitted by Ricardo Tavares (ricardosoares@bce.unb.br) on 2013-06-13T21:23:24Z No. of bitstreams: 1 2013_AndréLuizSordiBraga.pdf: 1954072 bytes, checksum: 54a743d6875874b9d46f86962b03575c (MD5) / Approved for entry into archive by Patrícia Nunes da Silva(patricia@bce.unb.br) on 2013-06-19T19:06:55Z (GMT) No. of bitstreams: 1 2013_AndréLuizSordiBraga.pdf: 1954072 bytes, checksum: 54a743d6875874b9d46f86962b03575c (MD5) / Made available in DSpace on 2013-06-19T19:06:55Z (GMT). No. of bitstreams: 1 2013_AndréLuizSordiBraga.pdf: 1954072 bytes, checksum: 54a743d6875874b9d46f86962b03575c (MD5) / O Método de Grupo para Manipulação de Dados (GMDH - Group Method of Data Handling) é um modelo de rede neural artificial (RNA) constituído de neurônios compostos por polinômios de baixa ordem. Os neurônios GMDH dispensam o uso das complexas funções de ativação, que demandam grandes esforços dos microprocessadores para que realizem seus cálculos. A simplicidade dos neurônios, em conjunto com outras características, tornam o GMDH uma opção interessante para aplicações de engenharia. Desde a proposta seminal do método, em 1966, diversos trabalhos têm sido desenvolvidos com o intuito de melhorar seus resultados em áreas como mineração de dados, predição, modelagem de sistemas, otimização e reconhecimento de padrões. Este trabalho introduziu uma abordagem teórica e experimental no estudo do GMDH, lidando com vários aspectos de seu processo de treinamento. Como resultado, produziu-se uma ferramenta de desenvolvimento chamada GMDH Box, que permite que o desenvolvedor escolha diferentes parâmetros de treinamento e varições do método, que podem ser aplicados em diferentes áreas. Nesse sentido, três aplicações foram escolhidas: (a) modelagem e predição de sistemas dinâmicos; (b) reconhecimento de padrões em bioinformática e; (c) sistemas embarcados baseados em FPGAs. A identificação de sistemas dinâmicos não lineares é uma tarefa difícil e existem vários relatos na literatura sobre a utilização de diferentes modelos de RNAs para aproximar essa classe de problemas. Este trabalho introduziu a aplicação da modelagem paralela de GMDH nesta área, comparando seus resultados com outros obtidos utilizando-se redes neurais MLP (Multiple Layers Perceptron). Na áarea de bioinformática, o método GMDH foi testado com sete sequências de proteínas cujos tamanhos variam de 14 a 54 resíduos. Os resultados demonstraram que as estruturas terciárias preditas adotam uma forma similar às das estruturas experimentais. Na área de sistemas embarcados, partes do método GMDH foram implementadas em hardware, mais precisamente em FPGAs (Field Programmable Gate Arrays). Um conjunto de experimentos foi realizado em um PC utilizando o FPGA como um coprocessador acessado através do protocolo TCP/IP. O fluxo de projeto demonstrou que é possível implementar-se a rede em hardware, que pode ser utilizada como um acelerador em sistemas embarcados. Experimentos demonstraram que a implementação é efetiva para encontrar-se soluções de boa qualidade para o problema em análise e representam os primeiros resultados da técnica inovadora da aplicação de GMDH em hardware para a solução do problema da predição de estruturas de proteínas. Nas três aplicações, obteve-se resultados interessantes, relacionados ao desempenho e à aplicabilidade do método, comparando-os com resultados obtidos a partir de abordagens mais conhecidas como o modelo MLP. _________________________________________________________________________________ ABSTRACT / GMDH (Group Method of Data Handling) are arti cial neural networks (ANNs) composed of neurons constituted of low order polynomials. GMDH neurons are exempt from the use of complex activation functions, which require big e orts from microprocessors to perform their calculations. The simplicity of the GMDH neurons model, along with other characteristics, make GMDH an interesting option for engineering applications. Since the seminal proposal of the GMDH method in 1966, several works have been developed in order to improve its results in di erent areas such as data mining, knowledge discovery, forecasting, systems modeling, optimization and pattern recognition. This work has introduced a theoretical and experimental approach in the study of GMDH, discussing and addressing several aspects of its training process. This work has yielded a development tool called GMDH Box, which allows the designer to choose several GMDH training parameters and variations, which can be applied on different areas. In this direction, three applications have been chosen: (a) modeling and prediction of dynamic systems; (b) pattern recognition in bioinformatics and; (c) embedded systems based on FPGAs. Identi cation and prediction of nonlinear dynamic systems are di cult tasks and there are several reports in the literature about the utilization of dif erent models of ANNs to approximate this class of systems. This work has introduced the application of GMDH parallel modeling to this problem, comparing its results with the ones obtained with MLP (Multiple Layers Perceptron) ANNs. In the bioinformatics area, the GMDH method was tested with seven protein sequences whose sizes vary from 14 to 54 amino acid residues. Results show that the predicted tertiary structures adopt a fold similar to the experimental structures. In the embedded systems area, portions of the GMDH method have been implemented in hardware, more precisely in FPGAs (Field Programmable Gate Arrays). A set of experiments have been performed on a PC using the FPGA as a co-processor accessed through sockets over the TCP/IP protocol. The design ow employed demonstrated that it is possible to implement the network in hardware, which can be used as an accelerator in embedded systems. Experiments show that the proposed implementation is ef ective in finding good quality solutions for the example problem, which represents the early results of the novel technique of applying the GMDH algorithms in hardware for solving the problem of protein structures prediction. In the three applications, this work has detected several interesting results, related to performance and suitability, comparing the results with more well-known approaches such as the MLP model.

A colibacilose é a denominação comum a diferentes lesões locais ou sistêmicas causadas pela bactéria E.coli com propriedades patogênicas . Essas lesões são conhecidas como a principal causa infecciosa de condenação de carcaças. No Brasil, entre 2001 e 2005, essa condenação gerou um prejuízo estimado em US 58 milhões à avicultura . Deste total, 19 milhões podem ser creditados à presença de lesões cutâneas de celulite e 39 milhões a lesões sistêmicas. A E.coli é o principal habitante do trato gastrintestinal de mamíferos e de aves. Nos aviários, é possível encontrar 106 UFC/grama de fezes, tornando praticamente impossível a eliminação deste agente no ambiente. A dificuldade que envolve a E.coli está na classificação desta como patogênica, haja vista que a diferenciação entre cepas virulentas e avirulentas continua sendo um problema após o diagnóstico bacteriológico. A biologia molecular vem auxiliando no maior entendimento dos mecanismos de patogenicidade das E. coli e cada vez mais, é demonstrada a grande importância da interação dos diversos fatores de virulência na determinação da patogenicidade. Este trabalho tem como objetivo gerar novos elementos para o maior entendimento da patogenicidade da E.coli, traçando uma nova metodologia de classificação, através de um índice no qual, além do número de animais mortos, também se consideraram o tempo de morte e a capacidade da cepa causar lesão compatível à colibacilose em pintos de 1 dia. Observou-se diferença significativa entre amostras oriundas de celulite e quadro respiratório em relação a amostras oriundas de cama no método proposto, além do fato de também existir a mesma relação entre o tipo e a quantidade de lesões formadas, conforme a origem do isolado. Obteve-se, ainda, um banco de dados gerado a partir desse primeiro experimento, que permitiu o uso de Redes Neurais Artificiais na construção de modelos que simulavam esse mesmo teste de patogenicidade, sem o uso de animais, adotando como informações de entrada alguns dos principais fatores de virulência associados a amostras patogênicas, origem das amostras e o índice de patogenicidade obtidos. Os resultados quanto às predições corretas foram em torno de 80,00%, permitindo concluir que as redes podem ser uma alternativa para substituir testes de patogenicidade in vivo na classificação de amostras de E.coli de origem aviária. / The colibacillosis is the common denomination for different local or systemic lesions caused by E. coli bacteria with pathogenic properties. These lesions are known as the leading infectious cause of condemnation of carcasses. In Brazil, between 2001 and 2005, that disease led to a loss estimated at 58 million for poultry. Of this total, 19 million can be credited to the presence of cutaneous lesions of cellulitis and 39 million to other organs. E. coli is the main habitant of the gastrointestinal tract of mammals and birds. In the aviaries, you can find 106 CFU / gram of feces, making it virtually impossible to eliminate this agent in the environment. The difficulty surrounding the E. coli in this classification as pathogenic, given that the differentiation between virulent and avirulent strains remains a problem after the bacteriological diagnosis. Molecular biology has helped in better understanding the mechanisms of pathogenicity of E. coli and, increasingly, it demonstrated the great importance of the interaction of different virulence factors in determining the pathogenicity. This work aims to generate new elements for better understanding the pathogenicity of E. coli, marking a new classification methodology, through an index in which, besides the number of dead animals are often considered the time of death and the capacity of strains cause lesions compatible with colibacillosis in chicks of 1 day old. There was significant difference between samples from cellulitis and respiratory symptoms compared to samples from litter in the proposed method, besides the fact that there is also the same relationship between the type and number of lesions formed depending on the origin of the isolate. We obtained also a database generated from this first experiment, which allowed the use of Artificial Neural Networks in the construction of models that simulated the same pathogenicity test, without the use of animals, taking as input information some main virulence factors associated with pathogenic samples, origin of samples and pathogenicity index obtained. The results regarding the predictions have been around 80.00%. These results show that neural networks can be an alternative to replace pathogenicity tests in vivo in the classification of samples of E. coli of avian origin.

Esta dissertação apresenta um modelo conceitual do padrão de comportamento de pedestres em travessias semaforizadas. O modelo propõe uma estrutura de classificação dos pedestres de acordo com suas atitudes ao atravessar uma via. A análise envolve a consideração de fatores que podem influenciar as decisões dos pedestres sobre onde e quando iniciar a trajetória de travessia. O uso adequado das travessias semaforizadas é definido como conformidade de travessia. A conformidade de travessia pode ser de dois tipos: espacial, relacionada à localização em que o pedestre atravessa a via e, temporal, relacionada ao momento em que o pedestre decide iniciar a travessia. O modelo conceitual foi aplicado na área central da cidade de Porto Alegre. Com o objetivo de estimar as conformidades de travessia foram realizadas modelagens com redes neurais artificiais. Esta ferramenta proporciona o entendimento de problemas com alto grau de complexidade, que agregam variáveis com relações não-lineares entre si. As variáveis utilizadas na modelagem foram (i) gap máximo, (ii) gap crítico, (iii) 85° percentil de gaps, (iv) volume de pedestres, (v) volume de veículos, (vi) velocidade de veículos, (vii) largura da via, (viii) largura da travessia e, (ix) tempo de espera pelo verde no semáforo. Os resultados demonstraram que as características particulares de cada local têm influência nas conformidades de travessia. As análises de sensibilidade dos modelos indicaram que as variáveis relacionadas às características locais de geometria e condições de entorno das travessias exercem maior influência sobre a conformidade de travessia espacial. Por outro lado, a modelagem indicou que as características do regime do tráfego são os aspectos mais importantes na determinação da conformidade de travessia temporal.

O estudo foi feito através de séries históricas de dados de um incubatório pertencente a uma integração avícola do Rio Grande do Sul, durante os anos de 1999 a 2003, com os quais foram feitas análises do tipo observacional analítico e transversal. Primeiramente usou-se os registros de 5 linhagens de frangos utilizadas pela empresa no transcorrer do período de 23 de fevereiro de 1995 a 25 de janeiro de 2002. As linhagens foram identificadas da seguinte forma: COBB, HIGH YIELD, MPK, ROSS308, e X. Esses 81 lotes analisados foram estudados através dos seus respectivos registros que continham: o número inicial de fêmeas, número inicial de machos, ração total/cabeça, ração/cabeça/inicial/recria, ração/cabeça/inicial/postura, ovos postos, ração p/ovo posto, pintos nascidos, percentagem viabilidade postura fêmea, percentagem viabilidade postura machos. O método aqui proposto provou ser capaz de classificar as linhagens a partir das entradas escolhidas. Na linhagem que apresentava uma grande quantidade de amostras a classificação foi muito precisa. Nas demais, com menor número de dados, a classificação foi efetuada, e, como era de se esperar, os resultados foram menos consistentes. Com o mesmo banco de dados dos lotes fechados, realizou-se a segunda etapa da dissertação. Nela, procedeu-se o treinamento das redes neurais artificiais onde foram utilizadas as seguintes variáveis de saída: ovos incubáveis, percentagem de ovos incubáveis, ovos incubados, percentagem de ovos incubados, pintos nascidos e pintos aproveitáveis. Os resultados apresentaram R2 oscilando entre 0,93 e 0,99 e o erro médio e o quadrado médio do erro ajustados, demonstrando a utilidade das redes para explicar as variáveis de saída. Na terceira e última etapa da dissertação, destinada à validação dos modelos, foram usados quatro arquivos distintos denominados da seguinte forma: INPESO (3.110 linhas de registros de pesos dos reprodutores), ININFO (56.018 linhas de registros com as informações diárias do ocorrido nas granjas de reprodução até o incubatório), INOVOS (35.000 linhas de registros com informações sobre os ovos processados), INNASC: 43.828 linhas de registros com informações sobre os nascimentos. O modelo gerado para o ano de 1999 foi capaz de predizer corretamente os resultados deste mesmo ano e dos anos de 2000, 2001, 2002 e 2003. O mesmo procedimento foi repetido criando modelo com os registros do ano em questão e validando-o com os registros dos anos subseqüentes. Em todas as ocasiões foram obtidos bons resultados traduzidos por um alto valor no R2. Concluindo, os fenômenos próprios do incubatório puderam ser explicados através das redes neurais artificiais. A técnica, seguindo a mesma tendência das dissertações que anteriormente já haviam demonstrado que esta metodologia pode ser utilizada para o gerenciamento de reprodutoras pesadas e de frangos de corte, pode realizar simulações, predições e medir a contribuição de cada variável no fenômeno observado, tornando-se uma poderosa ferramenta para o gerenciamento do incubatório e num suporte cientificamente alicerçado para a tomada de decisão.